论文部分内容阅读
管道输送是目前国内外应用最为广泛的油气资源输送方式之一,集输管道大多数为金属管道,极易发生金属腐蚀,从而导致油气资源浪费与环境的污染。本文以长庆某油田油水集输管道为研究对象,通过方差分析、响应面实验研究方法,对油水集输管道腐蚀因素进行了系统的研究,建立了基于模糊神经网络的腐蚀速率预测模型,并结合SY/T6477-2017《含缺陷油气管道剩余强度评价方法》对在役的30条管道进行了腐蚀缺陷评价。本文主要取得的成果为:
(1)均匀腐蚀影响因素方差分析结果:由于二氧化碳分压、硫化氢分压、氯离子浓度和温度的F值均大于F0.01(3,8)=7.5910,而钙镁离子浓度和流速的F值则小于F0.05(3,8)=4.0662,故二氧化碳分压、硫化氢分压、氯离子浓度和温度对管道均匀腐蚀速率具有十分显著的影响,钙镁离子浓度和流速对其影响不显著。
(2)局部腐蚀影响因素方差分析结果:由于二氧化碳分压、硫化氢分压、氯离子浓度和温度的F值均大于F0.01(3,8)=7.5910,而钙镁离子浓度和流速的F值则小于F0.05(3,8)=4.0662,故二氧化碳分压、硫化氢分压、氯离子浓度和温度对管道局部腐蚀速率具有十分显著的影响,钙镁离子浓度和流速对其影响不显著。
(3)均匀腐蚀速率下,影响因素交互作用大小:二氧化碳分压与硫化氢分压>硫化氢分压与温度>硫化氢分压与氯离子浓度>氯离子浓度与温度>二氧化碳分压与氯离子浓度>二氧化碳分压与温度。
(4)局部腐蚀速率下,影响因素交互作用大小:二氧化碳分压与硫化氢分压>硫化氢分压与氯离子浓度>二氧化碳分压与氯离子浓度>氯离子浓度与温度>硫化氢分压与温度>二氧化碳分压与温度
(5)基于模糊神经网络的均匀腐蚀预测模型在迭代次数达到1710次之后,均方误差达到了低于0.01的精度要求。其在训练、验证、测试阶段的实际值与预测值均匀分布在回归线附近,其中训练阶段回归系数为0.978、验证阶段回归系数为0.980、测试阶段回归系数为0.950,这表明模型预测值与实际值之间具有较高的相关性,预测值较为准确。
(6)基于模糊神经网络的局部腐蚀预测模型在迭代次数达到1720次之后,均方误差达到了低于0.01的精度要求。其在训练、验证、测试阶段的实际值与预测值均匀分布在回归线附近,其中训练阶段回归系数为0.990、验证阶段回归系数为0.979、测试阶段回归系数为0.987,这表明模型预测值与实际值之间具有较高的相关性,预测值较为准确。
(7)本文通过现场采集的相关腐蚀数据,利用油水集输管道腐蚀速率预测模型对油水集输管道进行了系统预测,并结合SY/T6477-2017《含缺陷油气管道剩余强度评价方法》中的具体要求对30条管道进行了腐蚀缺陷评价,评价效果良好。
(8)根据本文研究内容,开发出油水集输管道腐蚀分析预警系统,该软件具有监测数据采集模块、多因子方差分析模块、基于响应面法的腐蚀速率预测模块、基于模糊神经网络的腐蚀速率预测模块以及腐蚀预警模块等这几大功能模块组成,供技术人员参考。
(1)均匀腐蚀影响因素方差分析结果:由于二氧化碳分压、硫化氢分压、氯离子浓度和温度的F值均大于F0.01(3,8)=7.5910,而钙镁离子浓度和流速的F值则小于F0.05(3,8)=4.0662,故二氧化碳分压、硫化氢分压、氯离子浓度和温度对管道均匀腐蚀速率具有十分显著的影响,钙镁离子浓度和流速对其影响不显著。
(2)局部腐蚀影响因素方差分析结果:由于二氧化碳分压、硫化氢分压、氯离子浓度和温度的F值均大于F0.01(3,8)=7.5910,而钙镁离子浓度和流速的F值则小于F0.05(3,8)=4.0662,故二氧化碳分压、硫化氢分压、氯离子浓度和温度对管道局部腐蚀速率具有十分显著的影响,钙镁离子浓度和流速对其影响不显著。
(3)均匀腐蚀速率下,影响因素交互作用大小:二氧化碳分压与硫化氢分压>硫化氢分压与温度>硫化氢分压与氯离子浓度>氯离子浓度与温度>二氧化碳分压与氯离子浓度>二氧化碳分压与温度。
(4)局部腐蚀速率下,影响因素交互作用大小:二氧化碳分压与硫化氢分压>硫化氢分压与氯离子浓度>二氧化碳分压与氯离子浓度>氯离子浓度与温度>硫化氢分压与温度>二氧化碳分压与温度
(5)基于模糊神经网络的均匀腐蚀预测模型在迭代次数达到1710次之后,均方误差达到了低于0.01的精度要求。其在训练、验证、测试阶段的实际值与预测值均匀分布在回归线附近,其中训练阶段回归系数为0.978、验证阶段回归系数为0.980、测试阶段回归系数为0.950,这表明模型预测值与实际值之间具有较高的相关性,预测值较为准确。
(6)基于模糊神经网络的局部腐蚀预测模型在迭代次数达到1720次之后,均方误差达到了低于0.01的精度要求。其在训练、验证、测试阶段的实际值与预测值均匀分布在回归线附近,其中训练阶段回归系数为0.990、验证阶段回归系数为0.979、测试阶段回归系数为0.987,这表明模型预测值与实际值之间具有较高的相关性,预测值较为准确。
(7)本文通过现场采集的相关腐蚀数据,利用油水集输管道腐蚀速率预测模型对油水集输管道进行了系统预测,并结合SY/T6477-2017《含缺陷油气管道剩余强度评价方法》中的具体要求对30条管道进行了腐蚀缺陷评价,评价效果良好。
(8)根据本文研究内容,开发出油水集输管道腐蚀分析预警系统,该软件具有监测数据采集模块、多因子方差分析模块、基于响应面法的腐蚀速率预测模块、基于模糊神经网络的腐蚀速率预测模块以及腐蚀预警模块等这几大功能模块组成,供技术人员参考。